Prediction of Hepatitis C based on liver function test features
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hepatitis C is a widespread liver disease that possibly leads to serious symptoms if not diagnosed in time. Currently, several methods are already available for specific screening of Hepatitis C. However, their expensive costs make it hard to allow their broad use in countries with poor conditions. Here, by constructing a mathematical model, we introduce a new method for testing Hepatitis C diagnosis. Our method is based on the results of liver function tests; therefore, it is relatively more cost-saving to do the test. A study was conducted based on the dataset obtained from the UCI Machine Learning Repository at June 10, 2020, containing laboratory values of blood donors and Hepatitis C patients and demographic values like age. χ<sup>2</sup> and ANOVA test was used to find the correlation between Hepatitis C and parameters of liver function test. Logistics regression was used to build the model for the prediction of Hepatitis C. The result shows that there’s a significant increase in likelihood of Hepatitis C when there’s increase in AST (β = 0.09, p < 0.001) and BIL (β = 0.057, p < 0.01); and there’s also a significant decrease in likelihood of Hepatitis C when there’s increase in ALT (β = -0.026, p < 0.001) and CHOL (β
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle